一种用于超声波图像的剥落方法,利用内容意识的先前和注意力驱动的技术
Chenghao Qiu1, Zifan Huang2, Cong Lin2
1School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, 610000, Sichuan, China.
Computers in biology and medicine
|October 15, 2023
概括
这项研究引入了一种用于超声波图像的新型无色化模型CAPAD. 它有效地减少了斑点噪声,同时保留了关键的图像结构,提高了瘤细分的准确性.
科学领域:
- 医疗成像医学成像
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 超声波图像中的斑点噪声降低了质量,并可以掩盖关键特征.
- 现有的无色化方法有可能丢失图像纹理和损伤边界信息.
- 精确的超声波图像分析对于诊断癌症等疾病至关重要.
研究的目的:
- 为超声波图像开发一种先进的无色化方法,以保持结构细节.
- 引入内容意识的先前和注意力驱动 (CAPAD) 网络,以实现卓越的降噪.
- 为了提高后续图像分析任务的准确性,例如瘤细分.
主要方法:
- 开发了一种新的神经网络模型 (CAPAD),结合了内容意识的先验和注意力机制.
- 在优化模块中嵌入消噪器,以便同时进行参数和噪声优化.
- 使用专门的损失函数来保持图像结构特征在denoising.
主要成果:
- 在CAPAD展示了优越的噪音抑制,同时保留了底层图像结构.
- 与其他方法相比,在峰值信号与噪声比率 (PSNR) 中获得了大约5.88%的改善,在结构相似度指数 (SSIM) 中获得了3.61%的改善.
- 在使用CAPAD作为预处理步骤时,精度-回忆曲线 (AUPRC) 下面区域的乳腺瘤细分精度提高了10.43%.
结论:
- CAPAD模型在超声波图像消噪方面取得了重大进展.
- 图像结构的保存和增强的细分精度凸显了CAPAD的临床实用性.
- 这种方法有望提高医学成像诊断能力.
